田 杰，陶建平

(華中農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，湖北 武漢 430070)

一、前 言

近年來，金融排除的危害性已經(jīng)引起各國(guó)政策制定者的重視，減輕甚至消除金融排除被視為許多國(guó)家優(yōu)先發(fā)展的政策。而且一些國(guó)家實(shí)施了促進(jìn)普惠性金融法律規(guī)則的制定，比如美國(guó)的社區(qū)再投資法和法國(guó)的反金融排除法(1998)，印度和英國(guó)政府在2005年也先后成立了反金融排除工作委員會(huì)，就是為了監(jiān)控和促進(jìn)金融包容性的發(fā)展。金融排除也廣泛的引起了學(xué)者的興趣?，F(xiàn)實(shí)中，學(xué)者們發(fā)現(xiàn)甚至一些發(fā)達(dá)的金融體系比如美國(guó)和英國(guó)都普遍存在金融排除，并且一定的人群仍然被排除在正式的金融體系之外［1］。如何測(cè)度不同地區(qū)的金融排除以及找出金融排除的影響因素成為學(xué)術(shù)上的一個(gè)重要議題［2］。作為世界發(fā)展中的大國(guó)，我國(guó)的金融排除狀況也越來越引起人們的關(guān)注，2008年世界銀行中國(guó)代表處發(fā)表報(bào)告，建議中國(guó)拓展金融服務(wù)的渠道，提高對(duì)于窮人和中小企業(yè)的金融服務(wù)支持。而城鄉(xiāng)二元經(jīng)濟(jì)的巨大差異，也使我國(guó)農(nóng)村地區(qū)遭受相對(duì)更為嚴(yán)重的金融排除。那么，如何測(cè)度我國(guó)農(nóng)村不同地區(qū)金融排除狀況，什么因素導(dǎo)致我國(guó)農(nóng)村部分群體的金融排除?

金融排除的反面是普惠性金融，建立完善的普惠性金融體系，通過提供安全、可靠的儲(chǔ)蓄、貸款和匯兌、理財(cái)投資等金融服務(wù)來有效地提高整個(gè)社會(huì)的效率，從而促進(jìn)整個(gè)社會(huì)包容性增長(zhǎng)。金融包容性包括三個(gè)方面的維度:地理滲透性、使用效用性和產(chǎn)品接觸性，這些維度一起建立了一個(gè)普惠性的金融體系［1］。Chakravarty and Pal［3］開發(fā)的 IFI指數(shù)包括了地理滲透性、使用效用性和產(chǎn)品接觸性等三個(gè)維度的信息，使對(duì)普惠性金融發(fā)展程度的計(jì)算更為成熟、合理。目前尚未見國(guó)內(nèi)有文獻(xiàn)使用這一指數(shù)，本文將首次使用這一指數(shù)對(duì)我國(guó)縣域農(nóng)村金融排除進(jìn)行測(cè)度。對(duì)于金融排除影響因素的分析，由于數(shù)據(jù)缺乏目前的文獻(xiàn)大多都是使用單個(gè)年份31個(gè)省的數(shù)據(jù)(田霖［4］，許圣道［5］)或 49 個(gè)國(guó)家的樣本數(shù)據(jù)［1］或99 個(gè)國(guó)家的樣本數(shù)據(jù)［6］，而小樣本數(shù)據(jù)會(huì)影響到結(jié)果的精確性。

本文的貢獻(xiàn)主要體現(xiàn)在兩點(diǎn):首先，本文試圖通過使用金融排除指數(shù)，結(jié)合2009年的數(shù)據(jù)來測(cè)算我國(guó)1765個(gè)縣(市)的農(nóng)村金融排除度，克服了以往文獻(xiàn)中樣本量少，誤差比較大的缺點(diǎn)，而且，使用縣級(jí)層面的數(shù)據(jù)避免了使用省級(jí)層面數(shù)據(jù)所忽略的省內(nèi)不同農(nóng)村地區(qū)的發(fā)展差異。其次，本文根據(jù)計(jì)算出來的指數(shù)，綜合目前已有文獻(xiàn)的研究，比較全面的分析導(dǎo)致我國(guó)農(nóng)村金融排除度空間差異的因素。

二、文獻(xiàn)綜述與理論假說

目前國(guó)外文獻(xiàn)對(duì)金融排除的定義主要是從社會(huì)排除這個(gè)大背景來考慮的。金融排除就是阻止一定的社會(huì)群體和個(gè)人獲取正規(guī)的金融服務(wù)［7］。金融排除也被認(rèn)為是一定的人群沒有能力通過合適的方式獲取必需的金融服務(wù)，而導(dǎo)致排除的發(fā)生可能是由于受到環(huán)境、價(jià)格和負(fù)面的社會(huì)經(jīng)歷和觀察等導(dǎo)致的自我排除［8］。印度政府的報(bào)告將金融排除性定義為“在一個(gè)可支付的成本上確保金融服務(wù)的獲取，并且脆弱群體(如弱勢(shì)的和低收入的群體)能及時(shí)充分的獲取貸款。從以上關(guān)于金融排除的涵義看出，目前研究并沒給出一致結(jié)論。徐少君［9］從狹義和廣義的角度對(duì)金融排除進(jìn)行了總結(jié)。從廣義視角看，金融排除是指阻礙貧困群體、貧窮地區(qū)接觸金融系統(tǒng)這一過程，即與金融系統(tǒng)完全隔離;若從狹義視角看，金融排除是指(個(gè)體)未接觸一類或幾類金融產(chǎn)品或服務(wù)，如未接觸儲(chǔ)蓄服務(wù)，便可被稱為“儲(chǔ)蓄金融排除”(ANZ)［10］。金融服務(wù)主要包括儲(chǔ)蓄、貸款、保險(xiǎn)等基本類金融服務(wù)和證券、金融咨詢服務(wù)等衍生類金融服務(wù)(FSA)［11］，未接觸儲(chǔ)蓄、貸款、保險(xiǎn)等基礎(chǔ)性金融服務(wù)便被視為金融排除。

關(guān)于金融排除的文獻(xiàn)已經(jīng)充分的指出了金融排除性是一個(gè)復(fù)雜的現(xiàn)象，有多個(gè)維度。因此，各國(guó)學(xué)者一直在探索用更科學(xué)的指數(shù)來量化金融排除度。文獻(xiàn)中大量被學(xué)者使用的用于測(cè)量金融排除性的指標(biāo)主要是使用銀行賬戶的人數(shù)，通常用每1000人所擁有的銀行賬戶數(shù)來表示。英格蘭東南發(fā)展機(jī)構(gòu)(SEEDA)有開創(chuàng)性貢獻(xiàn)，他們開發(fā)了復(fù)合剝奪指數(shù)(Index of multiple deprivation)，但是由于數(shù)據(jù)的不可獲得性，導(dǎo)致了這一指數(shù)無法在我國(guó)使用。Sarma and Pais［1］提出了一個(gè)多維度的IFI指數(shù)，這個(gè)指數(shù)吸收了金融排除三個(gè)維度的信息，即地理滲透性、使用效用性和產(chǎn)品接觸性等各個(gè)方面的信息，計(jì)算的結(jié)果介于0到1，高的值表明了高的金融排除性。相對(duì) Beck et al［6］使用單個(gè)的指標(biāo)來說，IFI因?yàn)槲樟硕鄠€(gè)維度的信息可以用一個(gè)單一的數(shù)值表示出來，因此，這個(gè)指數(shù)提供了一個(gè)測(cè)量金融排除度的法。其后，Chakravarty and Pal［1］進(jìn)一步對(duì)該指數(shù)進(jìn)行了完善，計(jì)算方法更為成熟。

對(duì)金融排除影響因素的分析，目前已有的理論主要從需求引致、供給誘導(dǎo)及社會(huì)環(huán)境影響三方面把握其誘因。(1)需求引致類的金融排除是由于金融需求主體的某項(xiàng)特征如收入、年齡、教育、種族、住房擁有狀況、不悅的金融借貸經(jīng)歷、心理因素等所引發(fā)的排除。更高的收入水平意味著居民有更多的資源和更強(qiáng)的能力來獲得金融產(chǎn)品和服務(wù)，因而這些居民構(gòu)成了金融機(jī)構(gòu)的首選客戶［14］;年齡對(duì)金融排除狀況的影響可能反映了財(cái)富、收入、認(rèn)知能力等因素的作用［15］，受教育程度的提高會(huì)使居民更容易理解并以更低成本來消費(fèi)金融機(jī)構(gòu)的產(chǎn)品和服務(wù)［16］。受教育程度也可能間接通過受教育程度所反映的學(xué)習(xí)和認(rèn)知能力來影響金融排除狀況;少數(shù)族裔居民可能會(huì)受到更多歧視，因而是金融排除對(duì)象［14］。居民的主觀心態(tài)、態(tài)度和信念以及社會(huì)結(jié)構(gòu)會(huì)影響其金融排除狀況，包括信任度、樂觀度、風(fēng)險(xiǎn)態(tài)度、社會(huì)互動(dòng)程度等［17］。(2)供給誘導(dǎo)則涉及影響金融機(jī)構(gòu)資金供給的若干條件與因素，如金融基礎(chǔ)設(shè)施、地理便利性、市場(chǎng)營(yíng)銷策略、價(jià)格水平、產(chǎn)品多樣性等。以上因素對(duì)應(yīng)著 Kempson and Whyley［18］提出的地理排除、價(jià)格排除、和營(yíng)銷排除三個(gè)維度。金融基礎(chǔ)設(shè)施的缺乏，地理上的不便利性會(huì)導(dǎo)致居民由于無法就近獲取金融服務(wù)，不得不依賴公共交通系統(tǒng)到達(dá)相距較遠(yuǎn)的金融中介，從而產(chǎn)生地理排除。金融產(chǎn)品的價(jià)格過高，超出了某些經(jīng)濟(jì)主體的償付能力，導(dǎo)致價(jià)格排除的發(fā)生;主流金融機(jī)構(gòu)的目標(biāo)營(yíng)銷策略，產(chǎn)品多樣性的缺乏往往會(huì)將某類人群有效排除，導(dǎo)致了營(yíng)銷排除的發(fā)生。此外，銀行部門的結(jié)構(gòu)和健康程度也會(huì)對(duì)金融包容產(chǎn)生影響。銀行部門健康和金融包容負(fù)相關(guān)，因?yàn)殂y行的資本資產(chǎn)比例越高，在借貸上越謹(jǐn)慎，因此和普惠性金融發(fā)展負(fù)相關(guān)。銀行高的不良貸款比例很有可能是銀行提供貸款給低收入的很容易違約的農(nóng)戶所導(dǎo)致的，或是為了遵從政府的指定性貸款。假如借款是給了廣大的農(nóng)戶，隨后導(dǎo)致的高的不良貸款比例會(huì)促進(jìn)普惠性金融的發(fā)展，而將貸款用于其它用途導(dǎo)致的不良貸款則對(duì)普惠性金融發(fā)展沒影響［1］。外資銀行比例越高，普惠性金融發(fā)展程度越低。以往認(rèn)為外資銀行的進(jìn)入將會(huì)增加信貸的供給和通過提升競(jìng)爭(zhēng)力來促進(jìn)整個(gè)銀行業(yè)的效率，但是由于信息的不透明，外資銀行不愿意借款給小商業(yè)者，導(dǎo)致了較低的金融包容性，這和Berger et al［19］外資銀行的障礙假說相一致。(3)金融排除的社會(huì)誘發(fā)要素則包括如下方面:人口統(tǒng)計(jì)的變化、收入差距及勞動(dòng)力的結(jié)構(gòu)變動(dòng)、社會(huì)支持、市場(chǎng)化程度等，這些社會(huì)要素會(huì)對(duì)某類社會(huì)群體的金融排除水平產(chǎn)生影響［20］。此外，當(dāng)?shù)胤蓪?duì)投資者債權(quán)人利益保護(hù)程度、執(zhí)法效率水平、社會(huì)資本環(huán)境等的提高，能顯著降低金融排除程度［9］。

考慮到數(shù)據(jù)的可獲得性，本文不能對(duì)全部理論進(jìn)行檢驗(yàn)，因此，本文提出如下的待檢驗(yàn)理論假說:

H1:在其他條件不變的情況下，收入越高、就業(yè)比例越高、信息技術(shù)水平越高、金融教育越充分、GDP增長(zhǎng)率越高、政府支持力度越強(qiáng)、城鎮(zhèn)化比例越高、商業(yè)化程度越高，則金融排除程度較低。

H2:在其他條件不變的情況下，城鄉(xiāng)收入差距越大、位于中、西部地區(qū)、少數(shù)民族地區(qū)，則農(nóng)村金融排除程度相對(duì)越高。

H3:在其他條件不變的情況下，銀行不良資產(chǎn)比例越高，則金融排除程度相對(duì)較低。

三、模型介紹與變量分析

(一)金融包容測(cè)度指標(biāo)與金融排除指數(shù)(IFE)介紹

Beck et al［6］最早提出了測(cè)度普惠性金融的8個(gè)指標(biāo)，分別是每萬人金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù);每百平方公里金融網(wǎng)點(diǎn)數(shù);每萬人ATM數(shù);每百平方公里ATM數(shù);人均儲(chǔ)蓄/人均GDP;人均貸款/人均GDP;每千人儲(chǔ)蓄賬戶數(shù);每千人貸款賬戶數(shù)。在此研究的基礎(chǔ)上，其后的學(xué)者如徐少君［9］、Sarma and Pais［1］、田杰和陶建平［21］等結(jié)合普惠性金融的概念，提出了普惠性金融的三大維度:地理滲透性、使用效用性、產(chǎn)品接觸性。

所有的這些指標(biāo)提供了經(jīng)濟(jì)體中金融發(fā)展寬度的一個(gè)方面?？紤]到金融排除的過程是非常復(fù)雜的和多維度的，任何一個(gè)單一的指標(biāo)都不能充分的反應(yīng)金融排除的程度。目前文獻(xiàn)對(duì)發(fā)展水平的測(cè)度方法主要是使用因子分析法［22-23］和全局主成分分析法［9］，Sarma and Pais［1］提出了金融包容指數(shù)(Index of financial inclusion)，這個(gè)指數(shù)吸收了普惠金融三個(gè)維度的信息，從而提供了一個(gè)比較綜合的測(cè)度普惠金融的方法。Chakravarty［3］對(duì)這一指數(shù)進(jìn)行了改進(jìn)，計(jì)算方法更為完善、成熟。具體介紹如下:金融包容指數(shù)的構(gòu)建考慮了多方面的信息，比如地理滲透性、使用效用性、產(chǎn)品接觸性。IFI指數(shù)吸收了這些維度的信息并用一個(gè)單一的指數(shù)表示出來，它介于0到1之間，0表示完全的金融排除，1表示完全的金融包容。IFI指數(shù)和HDI、HPI、GDI等計(jì)算方法相似。在計(jì)算這些指標(biāo)的時(shí)候，首先計(jì)算每個(gè)維度的指數(shù)。維度di用如下的公式計(jì)算:

臨床表現(xiàn)：（1）脈搏≥ 100次 /min；（2）母親體溫≥37.5℃；（3）子宮緊張有壓痛；（4）胎心過速，胎心率＞160次/min；（5）羊水有臭味。實(shí)驗(yàn)室檢查：（1）血 WBC≥15×109/L；（2）胎盤胎膜病理結(jié)果（+） ；（3）C-反應(yīng)蛋白（CRP）≥8 mg/L。上述臨床表現(xiàn)和實(shí)驗(yàn)室檢查中滿足3項(xiàng)或以上可診斷，或者細(xì)菌培養(yǎng)（+）或胎盤病理（+）者可診斷。

其中，Ai=i維度的實(shí)際值;mi=i維度的最小值;Mi=i維度的最大值。假定銀行體系有K≥1維度的活動(dòng)。每個(gè)維度代表一個(gè)功能。這些功能可量化為存款賬戶數(shù)/千人，國(guó)內(nèi)的存款/國(guó)內(nèi)生產(chǎn)總值等等。Xi代表功能i的值，Xi的上限和下限分別表示為Mi和 mi，Mi＞ mi。這表明(Mi，mi)并不是一單獨(dú)集合。假定Mi和mi可以獲得，于是有xi∈［mi，Mi］。樣本的最大和最小值分別是Mi，mi。功能i的指標(biāo)值用函數(shù) A 來表示，A 的值是 A(xi，mi，Mi)，xi∈ ［mi，Mi］。假定 A 是連續(xù)的，連續(xù)性確保了 xi，mi，Mi中產(chǎn)生的誤差對(duì)A產(chǎn)生最小的影響。A給定為:Ar(xi，mi，是一個(gè)常數(shù)。r可被解釋為包容度敏感常數(shù)，在給定的xi，mi，Mi下，r減少，Ar(xi，mi，Mi)增加。于是，可得:

其中，r=0.25，0.5 或 1;IFI是一個(gè)遞減函數(shù)，且滿足如下特性:(1)最小值和最大值分別為0和1;(2)單調(diào)性;(3)同質(zhì)性;(4)遞減函數(shù)。Ar(xi，mi，Mi)100/(kIr)可被認(rèn)為是維度i對(duì)總普惠性金融的貢獻(xiàn)，從而可確認(rèn)不同的維度對(duì)總普惠性金融的貢獻(xiàn)率。

表1 農(nóng)村普惠性金融測(cè)度指標(biāo)

(二)農(nóng)村金融排除影響因素以及分析模型的選擇

根據(jù)本文以上的理論假說，考慮到數(shù)據(jù)的可得性以及參考FSA、田霖［4，12］、Beck et al［6］、許 圣道［5］、徐少君［9］、Sarma and Pais［1］等的研究成果，本文構(gòu)造了12個(gè)具體變量:①Log income表示居民可支配收入(對(duì)數(shù)化處理)，金融排除首先是收入的函數(shù)，收入水平對(duì)個(gè)人可能遭受的金融排除具有決定性作用。保持其他控制變量不變，低收入顯著增加了金融排除的機(jī)率，因此，本文用各縣(市)居民人均可支配收入(取對(duì)數(shù))作為金融排除的解釋變量之一;②Urbanization表示城鎮(zhèn)化比例。城鎮(zhèn)化比例越高，農(nóng)村金融排除程度越低，本文用城鎮(zhèn)人口比上總?cè)丝趤肀硎?③Inequality表示不平等，已有文獻(xiàn)對(duì)不平等有多種表示方式，但是鑒于城鄉(xiāng)收入差距是目前最重要的不平等及考慮到數(shù)據(jù)可得性，本文采用這個(gè)指標(biāo);④GDP－growth表示GDP增長(zhǎng)率。反映地區(qū)經(jīng)濟(jì)發(fā)展的宏觀環(huán)境優(yōu)劣，本文用各個(gè)縣(市)年均GDP增長(zhǎng)率來反映;⑤Business表示商業(yè)文化環(huán)境。商業(yè)文化環(huán)境為金融創(chuàng)新和金融發(fā)展提供外部條件，本文用各地區(qū)個(gè)體工商戶和中小企業(yè)數(shù)與總?cè)丝诘谋壤齺矶攘?⑥Education又稱為金融教養(yǎng)(Financial literacy)。受教育程度高的居民表現(xiàn)出來的金融素養(yǎng)也使金融機(jī)構(gòu)傾向于將其作為首選的客戶，而且金融知識(shí)的代際遺傳使富裕家庭的孩子更容易掌握金融產(chǎn)品的使用方法。另外，后天金融教育的薄弱也會(huì)導(dǎo)致金融排除的發(fā)生。由于中學(xué)教育在我國(guó)整個(gè)教育體系中的重要地位，本文用各個(gè)縣中學(xué)生在校人數(shù)與總?cè)丝跀?shù)的比例近似反映;⑦Employ表示就業(yè)狀況。就業(yè)會(huì)影響到個(gè)人的收入或通過工資的發(fā)放、匯款來影響個(gè)人的金融市場(chǎng)參與。這里采用各個(gè)縣(市)就業(yè)人員所占比例作為度量指標(biāo);⑧Restrict表示政府對(duì)城鄉(xiāng)經(jīng)濟(jì)的支持力度，用政府總的財(cái)政支出近似替代反映;⑨Non－p－credit表示銀行不良資產(chǎn)比例，用銀行不良貸款比上各項(xiàng)儲(chǔ)蓄和貸款的總和來近似表示;⑩Information表示信息技術(shù)水平。手機(jī)技術(shù)在農(nóng)村和城市貧民區(qū)的普及，將有助于彌合數(shù)字鴻溝(Digital Divide)且便利于居民采用主流金融服務(wù)。本文采用各個(gè)縣(市)固定電話、移動(dòng)電話普及率反映不同區(qū)域的信息技術(shù)水平;?Location該指標(biāo)為表示地理特征的虛擬變量，以反映地域差別的影響。本文假定東、中、西部地區(qū)金融排除程度逐漸增強(qiáng)，因此，西部地區(qū)取值為3，中部取2，東部取1;?Mino表示民族差異。該指標(biāo)是一個(gè)虛擬變量，反映區(qū)域的民族構(gòu)成。民族的差異也會(huì)造成金融排除，特別是低收入的少數(shù)民族聚集區(qū)，因此少數(shù)民族聚集地區(qū)賦值1，其他地區(qū)賦值0。

表2 各個(gè)變量的描述統(tǒng)計(jì)

以上影響因素和農(nóng)村金融排除的關(guān)系可以用如下的理論模型來表示:

IFE指數(shù)值在0到1之間，本文考慮采用Logit模型的形式對(duì)金融排除指數(shù)進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換后的方程是一個(gè)Logit函數(shù)，描述如下:這樣轉(zhuǎn)換后的因變量在負(fù)無窮到正無窮之間。這允許本文使用經(jīng)典的OLS回歸。轉(zhuǎn)換后的變量是一個(gè)關(guān)于IFE的單調(diào)遞增的函數(shù)，并且保持了和IFE相同的次序。

回歸方程的一般形式如下:Y=a0+a1X1+a2X2+….+anXn+ε;

X1、X2……Xn表示回歸變量，a1、a2是待估計(jì)的參數(shù)，ε是隨即誤差項(xiàng)。Y的變化比例關(guān)于變量X的線性方程估計(jì)表示成如下:

因此，Y相對(duì)于單位X的變化而改變是由ai和Xi決定的。

(三)數(shù)據(jù)來源

本文以上變量的數(shù)據(jù)時(shí)間段為2009年的統(tǒng)計(jì)數(shù)據(jù);數(shù)據(jù)來源于2010《中國(guó)縣(市)社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、中國(guó)銀監(jiān)會(huì)官方網(wǎng)站中農(nóng)村金融圖集收集的2006-2009年各個(gè)縣市的銀行類和經(jīng)濟(jì)類統(tǒng)計(jì)數(shù)據(jù)，以及2010各個(gè)省份的統(tǒng)計(jì)年鑒。

四、實(shí)證分析

(一)樣本統(tǒng)計(jì)分析

表2是農(nóng)村金融排除各個(gè)維度的指數(shù)的平均數(shù)及各個(gè)維度的指數(shù)對(duì)總的金融排除度的貢獻(xiàn)率，考慮到樣本數(shù)量比較多以及我國(guó)東、中、西發(fā)展的不平衡性，本文將樣本縣(市)劃分為東、中、西部 (東部11省區(qū)市、中部9省區(qū)和西部11省區(qū)市東部地區(qū)包括河北、北京、天津、山東、江蘇、上海、浙江、福建、遼寧、廣東和海南，中部省區(qū)包括山西、安徽、江西、河南、湖北、湖南、黑龍江、吉林和內(nèi)蒙古，其他省份為西部省區(qū))，并計(jì)算了三大區(qū)域平均的金融排除指數(shù)及各個(gè)維度的平均指數(shù)。從表2中可以看出，東、中、西部地區(qū)金融排除度依次遞增，從金融排除的各個(gè)指數(shù)貢獻(xiàn)率看出，每百平方公里的網(wǎng)點(diǎn)數(shù)過低導(dǎo)致了比較高的金融排除度，其次是人均儲(chǔ)蓄/人均GDP、人均貸款/人均GDP、對(duì)金融排除貢獻(xiàn)最低的是每萬人的金融網(wǎng)點(diǎn)數(shù)，以上順序也表明了降低金融排除需要依次從以上各個(gè)方面著手。

表3 農(nóng)村金融排除指數(shù)的各個(gè)維度

2.回歸分析結(jié)果與討論

(1)社會(huì)經(jīng)濟(jì)特征因素。IFE和社會(huì)經(jīng)濟(jì)因素的回歸結(jié)果顯示在表4中。社會(huì)經(jīng)濟(jì)因素變量包括人均收入，失業(yè)率，受教育程度，城鎮(zhèn)化比例和城鄉(xiāng)收入差距、政府對(duì)縣域經(jīng)濟(jì)的支持力度、宏觀經(jīng)濟(jì)增長(zhǎng)率。本文發(fā)現(xiàn)了社會(huì)經(jīng)濟(jì)因素和IFE的顯著相關(guān)性。如表3所表示的，人均GDP系數(shù)在5%水平上負(fù)相關(guān)，這證實(shí)了理論表明的收入在金融排除中的關(guān)鍵作用，也就是縣域居民人均收入水平越高，農(nóng)村金融排除度越低;城鄉(xiāng)收入差距和IFI指數(shù)在1%的水平上顯著的正相關(guān)。即縣域內(nèi)收入不平等程度越高，個(gè)人更有可能遭受高的金融排除。這和Kempson and Whyley［18］、Buckland et al［24］得出的收入不平等程度越高的國(guó)家更有可能存在相對(duì)高的金融排除的結(jié)論相一致;受教育水平和農(nóng)村金融排除在1%的水平顯著的負(fù)相關(guān)，這表明了高的受教育水平會(huì)導(dǎo)致低的農(nóng)村金融排除;城鎮(zhèn)化比例和農(nóng)村金融排除在1%的水平顯著的負(fù)相關(guān)。這證明了地理排除的作用:住在農(nóng)村地區(qū)的和遠(yuǎn)離城鎮(zhèn)金融中心的更有可能被排除在金融體系之外［7，25］;就業(yè)率和農(nóng)村金融排除在1%的水平顯著的負(fù)相關(guān)。這表明了未就業(yè)或沒有穩(wěn)定的工作，將會(huì)導(dǎo)致居民使用更少的金融服務(wù)。國(guó)外已有的研究已經(jīng)發(fā)現(xiàn)通過自動(dòng)轉(zhuǎn)賬支付報(bào)酬成為主要的影響金融排除的方式;政府對(duì)縣域經(jīng)濟(jì)的支持力度與農(nóng)村金融排除在1%的水平顯著的負(fù)相關(guān)，縣級(jí)財(cái)政支出項(xiàng)目包括基本建設(shè)支出、農(nóng)業(yè)生產(chǎn)支出、教育支出、社會(huì)保障支出和醫(yī)療衛(wèi)生支出，這都會(huì)通過不同的方式作用于到金融排除的各個(gè)因素，從而最終對(duì)地區(qū)的金融排除產(chǎn)生影響;GDP增長(zhǎng)率和金融排除在1%的水平顯著的正相關(guān)，這表明了宏觀經(jīng)濟(jì)增長(zhǎng)如果不能讓大多數(shù)的個(gè)人收入得到增加，不僅不會(huì)減輕金融排除，反而會(huì)加重金融排除;商業(yè)文化環(huán)境和金融排除在1%的水平顯著的負(fù)相關(guān)，這證實(shí)了商業(yè)文化環(huán)境為金融創(chuàng)新和金融發(fā)展提供外部條件這一觀點(diǎn)。

(2)信息技術(shù)水平。表征信息技術(shù)水平的每千人電話使用比例和農(nóng)村金融排除在1%的水平顯著的負(fù)相關(guān)，這表明了信息的通暢性在金融排除性中扮演了重要的角色。這和Beck et al［6］的結(jié)論是一致的，他發(fā)現(xiàn)電話網(wǎng)絡(luò)和銀行網(wǎng)點(diǎn)的延伸是正相關(guān)的。農(nóng)村信息技術(shù)的完善，將提高農(nóng)業(yè)的科技化程度，拓寬農(nóng)產(chǎn)品融資渠道，增加農(nóng)民收入，降低金融排除;同時(shí)擁有電話的農(nóng)戶逐漸接受和采納高科技金融服務(wù)也引致金融排除減小［4］。限于數(shù)據(jù)的可獲得性，本文未分析表示信息技術(shù)水平的其他方面，比如電腦普及率、互聯(lián)網(wǎng)普及率及當(dāng)?shù)氐墓肪W(wǎng)。

(3)其它因素。本文發(fā)現(xiàn)銀行不良資產(chǎn)的比例和金融包容性不存在相關(guān)性，而且相關(guān)系數(shù)為正，這表明了這和以往的觀點(diǎn)認(rèn)為銀行及銀行類金融機(jī)構(gòu)通過提供信貸給小企業(yè)和低收入的人群，導(dǎo)致了不良貸款比例上升，從而增強(qiáng)金融包容性的結(jié)果是相對(duì)立的;我國(guó)少數(shù)民族聚居區(qū)農(nóng)村金融排除嚴(yán)重，且在1%的水平上顯著，相關(guān)系數(shù)相對(duì)高，這證實(shí)了文獻(xiàn)已經(jīng)確認(rèn)的農(nóng)村金融排除是廣泛存在的社會(huì)排除的問題的一個(gè)反映，被排除在金融體系的是那些屬于低收入的人群，少數(shù)民族群體等等［25］。地區(qū)位置在1%的水平上和金融排除顯著的正相關(guān)，也就是越接近中、西部地區(qū)，更有可能遭受相對(duì)較高的農(nóng)村金融排除。

表4 農(nóng)村金融排除的影響因素分析

五、結(jié)論與政策涵義

通過對(duì)我國(guó)1765個(gè)縣域的金融排除指數(shù)測(cè)算分析結(jié)果表明:從構(gòu)成農(nóng)村金融排除的各個(gè)指數(shù)貢獻(xiàn)率看，每百平方公里的網(wǎng)點(diǎn)數(shù)過低導(dǎo)致了比較高的金融排除度，其次是人均儲(chǔ)蓄/人均GDP、人均貸款/人均GDP、每千人貸款賬戶擁有量等指標(biāo)對(duì)農(nóng)村金融排除有明顯的影響，對(duì)農(nóng)村金融排除貢獻(xiàn)最低的是每萬人的金融網(wǎng)點(diǎn)數(shù)。對(duì)影響農(nóng)村金融排除因素的經(jīng)驗(yàn)性分析表明:表征社會(huì)經(jīng)濟(jì)特征的人均收入越多、就業(yè)率越高、金融教育水平越充分以及商業(yè)化程度越高、城鎮(zhèn)化比例越高、政府對(duì)經(jīng)濟(jì)發(fā)展的支持力度越強(qiáng)，農(nóng)村金融排除越低;用城鄉(xiāng)收入差距表示的不平等程度越高，農(nóng)村金融排除度越高;信息技術(shù)使用比例越高，農(nóng)村金融排除越低。本文的分析還表明了中、西部地區(qū)、少數(shù)民族地區(qū)更有可能遭受較高的農(nóng)村金融排除。以上結(jié)論大部分驗(yàn)證了本文的假說。

根據(jù)上述測(cè)算分析與經(jīng)驗(yàn)分析的結(jié)論，本文提出幾點(diǎn)改善我國(guó)農(nóng)村金融排除的政策建議:

(1)增設(shè)金融網(wǎng)點(diǎn)，著力提高農(nóng)村地區(qū)金融服務(wù)覆蓋面。要著力完善網(wǎng)點(diǎn)布局，做到“不空白”。在所有金融服務(wù)空白鄉(xiāng)鎮(zhèn)設(shè)立固定營(yíng)業(yè)網(wǎng)點(diǎn)，讓農(nóng)民錢有地方存、款有地方取、賬有地方轉(zhuǎn)、票有地方匯;普遍惠及一切需要金融服務(wù)的社會(huì)群體，尤其應(yīng)該惠及于被傳統(tǒng)金融體系所忽視的農(nóng)村貧困群體;積極鼓勵(lì)各類社會(huì)資本進(jìn)入農(nóng)村地區(qū)設(shè)立金融機(jī)構(gòu)，如為農(nóng)戶提供金融服務(wù)的村鎮(zhèn)銀行、貸款公司、農(nóng)村資金互助社等形式，著力解決農(nóng)村地區(qū)銀行業(yè)金融機(jī)構(gòu)網(wǎng)點(diǎn)覆蓋率過低、金融供給不足、競(jìng)爭(zhēng)不充分等問題。

(2)對(duì)農(nóng)村地區(qū)金融機(jī)構(gòu)的資金外流實(shí)施必要的限制，促進(jìn)儲(chǔ)蓄資源用于當(dāng)?shù)乜h域經(jīng)濟(jì)的發(fā)展。農(nóng)村金融排除是農(nóng)村金融服務(wù)領(lǐng)域的市場(chǎng)失靈，具有很強(qiáng)的外部性。因此，政府有責(zé)任對(duì)農(nóng)村金融排除進(jìn)行合理干預(yù)，制定相關(guān)的防止金融機(jī)構(gòu)在農(nóng)村地區(qū)撤并機(jī)構(gòu)的政策;規(guī)定在農(nóng)村地區(qū)的所有銀行業(yè)金融機(jī)構(gòu)在保證資金安全的前提下，必須將一定比例的新增存款投放當(dāng)?shù)亍４送猓槍?duì)農(nóng)村金融排除進(jìn)行漸進(jìn)性干預(yù)，如適度放寬存貸款利率、減免金融業(yè)務(wù)營(yíng)業(yè)稅等的政策措施，吸引外部資金流入農(nóng)村地區(qū)。

(3)普及金融服務(wù)的新技術(shù)，有效減少農(nóng)村金融排除。積極發(fā)展現(xiàn)代支付工具，如電話銀行、手機(jī)銀行、短信通等，提高空白鄉(xiāng)鎮(zhèn)金融服務(wù)的充分性與多樣性。此外，依托鄉(xiāng)鎮(zhèn)政府和公安部門，各個(gè)縣域銀行類金融機(jī)構(gòu)著力布設(shè)ATM機(jī)等自助設(shè)備，做到金融服務(wù)全覆蓋，讓農(nóng)民共享科技金融的便捷性。

(4)加快農(nóng)村城鎮(zhèn)化、工業(yè)化、農(nóng)業(yè)產(chǎn)業(yè)化進(jìn)程，推動(dòng)縣域經(jīng)濟(jì)發(fā)展。縣域社會(huì)經(jīng)濟(jì)特征中城鎮(zhèn)化比例、就業(yè)率、商業(yè)文化環(huán)境、收入不平等、政府對(duì)當(dāng)?shù)亟?jīng)濟(jì)的支持力度等指標(biāo)要素對(duì)減輕金融排除的作用打破了以往研究中的以割裂的視角看待城鎮(zhèn)、農(nóng)村金融排除問題，縣域經(jīng)濟(jì)的發(fā)展將會(huì)有效的解決我國(guó)廣大農(nóng)村地區(qū)的金融排除。因此，應(yīng)從縣域內(nèi)城鄉(xiāng)統(tǒng)籌的視角，借鑒城鎮(zhèn)、農(nóng)村經(jīng)濟(jì)地域系統(tǒng)的耦合機(jī)制與規(guī)律，充分利用城鎮(zhèn)經(jīng)濟(jì)的擴(kuò)散力，實(shí)現(xiàn)農(nóng)村金融外部性的內(nèi)部化。

［1］Sarma M，Pais J.Financial inclusion and development［J］.Journal of International Development，2010:1-16.

［2］Beck T，Honohan P.Finance for all?Policies and pitfalls in expanding access.［R］.Washington D.C:World Bank，2007.

［3］Chakravarty S R，Pal R.Measuring financial inclusion:An axiomatic approach［R］.Indira Gandhi Institute of Development Research，Mumbai Working Papers，2010，No.2010-03.

［4］田霖.我國(guó)金融排斥的城鄉(xiāng)二元性研究［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2011(2):36-45.

［5］許圣道，田霖.我國(guó)農(nóng)村地區(qū)金融排斥研究［J］.金融研究，2008(7):195-206.

［6］Beck T，Demirguc-Kunt A，Martinez Peria M S.Reaching out:Access to and use of banking services Across countries［J］.Journal of Financial Economics，2007，85(1):234-266.

［7］Leyshon A，Thrift N.Geographies of financial exclusion:Financial abandonment in Britain and the United States［J］.1995，3(20):312-341.

［8］Sinclair S P.Financial exclusion:An introductory survey［R］.Heriot-Watt University Working Paper，Edinburgh:2001.

［9］徐少君，金雪軍.中國(guó)金融排除影響因素:理論和實(shí)證研究［C］.第五屆中國(guó)金融學(xué)年會(huì)論文集，2008.

［10］ANZ.A report on financial exclusion in Australia［R］.2004.http://www.anz.com/aus/aboutan2/community/programs/pdf/Financial Exclusion-Final Report.pdf.

［11］Financial Services Authority.Financial capability in the UK:Establishing a baseline［R］.2006.

［12］田霖.我國(guó)金融排除空間差異的影響要素分析［J］.財(cái)經(jīng)研究，2007(4):107-119.

［13］高沛星，王修華.我國(guó)農(nóng)村金融排斥的區(qū)域差異與影響因素—基于省際數(shù)據(jù)的實(shí)證分析［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011(4):93-102.

［14］Devlin J F.A detailed study of financial exclusion in the UK［J］.Journal of Consumer，2005，28:75-108.

［15］Ameriks J，Zeldes S.How do household portfolio shares vary with age?［R］.TIAA-CREF Working Paper，2004.

［16］Guiso L，Sapiens P，Zingales L.Trusting the stock market［J］.Journal of Finance，2008(6):2557-2600.

［17］李濤，王志芳，王海港，等.中國(guó)城市居民的金融受排斥狀況研究［J］.經(jīng)濟(jì)研究，2010(7):15-30.

［18］Kempson E，Whyley C.Kept out or opted out?Understanding and combating financial exclusion［C］.Bristol UK Policy Press，1999 .

［19］Berger A N，Klapper L F，Udell G F.The ability of banks to lend to informationally opaque small business［J］.Journal of Banking and Finance，2001，25:2127-2167.

［20］Hersi W M.The role of Islamic finance in tackling financial exclusion in the UK［D］.Durhan University，2009.

［21］田杰，陶建平.農(nóng)村金融排除對(duì)城鄉(xiāng)收入差距的影響——來自我國(guó)1578個(gè)縣(市)面板數(shù)據(jù)的實(shí)證分析［J］.中國(guó)經(jīng)濟(jì)問題，2011(5):56-64.

［22］吳雄周，曾福生.湖南城市可持續(xù)發(fā)展水平的區(qū)域差異實(shí)證分析——基于因子分析法和聚類分析法［J］.華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2010(5):99-103.

［23］潘傳快，熊巍.基于因子分析法的湖北省新農(nóng)村建設(shè)實(shí)證分析［J］.華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2010(3):60-63.

［24］Buckland J，Guenther B，Boichev G.There are no banks here:Financial and insurance exclusion services in Winnipeg's North End［R］.University of Winnipeg Working Paper，2005.

［25］Kempson E ，Whyley C.Understanding and combating financial exclusion［J］.Insurance Tend，1999，21:18-22.